期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于WebSocket技术无线频谱大数据实时监测系统设计与实现
被引量：
6
1
作者
高锐
闫光辉
+1 位作者
罗浩
严天峰
《兰州交通大学学报》
CAS
2022年第1期52-60,共9页
伴随着互联网和无线通信技术的快速发展,如何对海量无线监测数据进行处理和干扰源排查成为无线电监管部门面临的困难和挑战之一.针对此问题,提出了一种同相正交信号-功率谱密度转化算法和功率谱密度信号瀑布图可视化方法,以实现对无线...
伴随着互联网和无线通信技术的快速发展,如何对海量无线监测数据进行处理和干扰源排查成为无线电监管部门面临的困难和挑战之一.针对此问题,提出了一种同相正交信号-功率谱密度转化算法和功率谱密度信号瀑布图可视化方法,以实现对无线信号实时监测的可视化呈现;在此基础上,结合未来无线电监测小型化、网格化的发展趋势,采用HTML5 Canvas,WebSocket和Python Flask技术设计实现了一套切实可行、机动性强、实时性高、支持远程异构网络的无线频谱数据实时监测系统.系统运行结果表明:该系统具有较高的准确性和可信性,可为电磁环境监测提供技术支持,同时为频谱管理人员进行频谱规划和异常信号监测提供决策依据.
展开更多
关键词
无线电频谱
功率谱密度
快速傅里叶变换
瀑布图
WebSocket
在线阅读
下载PDF
职称材料
低信噪比下基于深度学习TCNN-MobileNet的调制识别
被引量：
1
2
作者
牛瑞婷
严天峰
+1 位作者
高锐
王映植
《计算机工程》
CAS
CSCD
北大核心
2024年第7期204-215,共12页
将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-Mo...
将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理,将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中,进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016.10a上的实验结果表明,在-20dB的低SNR下TCNN-MobileNet的识别准确率可达88.71%,在18dB的高SNR下识别准确率可达96.66%,SNR在-20~18dB范围内时平均识别准确率为88.37%,相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间,有效简化网络架构,降低对硬件设备的要求,对轻量级神经网络在调制识别中的应用具有借鉴意义。
展开更多
关键词
调制识别
卷积神经网络
小波变换
深度学习
低信噪比
在线阅读
下载PDF
职称材料
题名
基于WebSocket技术无线频谱大数据实时监测系统设计与实现
被引量：
6
1
作者
高锐
闫光辉
罗浩
严天峰
机构
兰州交通大学
电子与信息
工程
学院
兰州交通大学
甘肃省
无线电监测及
定位
行业
技术
中心
兰州交通大学甘肃省高精度北斗定位技术工程实验室
甘肃
中医药
大学
信息
工程
学院
出处
《兰州交通大学学报》
CAS
2022年第1期52-60,共9页
基金
国家自然科学基金(62062049,61662066)
甘肃省自然科学基金(20JR5RA390)
+3 种基金
甘肃省青年科技基金(21JR7RA325)
教育部人文社会科学研究青年基金(20YJCZH212)
甘肃省社科规划青年项目(2021QN027)
兰州交通大学青年科学研究基金(2018003)。
文摘
伴随着互联网和无线通信技术的快速发展,如何对海量无线监测数据进行处理和干扰源排查成为无线电监管部门面临的困难和挑战之一.针对此问题,提出了一种同相正交信号-功率谱密度转化算法和功率谱密度信号瀑布图可视化方法,以实现对无线信号实时监测的可视化呈现;在此基础上,结合未来无线电监测小型化、网格化的发展趋势,采用HTML5 Canvas,WebSocket和Python Flask技术设计实现了一套切实可行、机动性强、实时性高、支持远程异构网络的无线频谱数据实时监测系统.系统运行结果表明:该系统具有较高的准确性和可信性,可为电磁环境监测提供技术支持,同时为频谱管理人员进行频谱规划和异常信号监测提供决策依据.
关键词
无线电频谱
功率谱密度
快速傅里叶变换
瀑布图
WebSocket
Keywords
radio frequency spectrum
power spectral density
fast Fourier transform
waterfall
WebSocket
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
低信噪比下基于深度学习TCNN-MobileNet的调制识别
被引量：
1
2
作者
牛瑞婷
严天峰
高锐
王映植
机构
兰州交通大学
电子与信息
工程
学院
兰州交通大学
甘肃省
无线电监测及
定位
行业
技术
中心
兰州交通大学甘肃省高精度北斗定位技术工程实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第7期204-215,共12页
基金
国家自然科学基金(62161017)
甘肃省重点人才项目(6660010201)
+1 种基金
甘肃省青年科技基金(21JR7RA325)
四电BIM工程与智能应用铁路行业重点实验室2022年度开放课题(BIMKF-2022-03)。
文摘
将深度学习算法应用于调制识别任务是近年来通信领域的一个研究热点,但现有方法存在网络复杂度高、硬件要求高、在低信噪比(SNR)下识别准确率不高等问题。结合离散小波变换方法,提出一种基于双路卷积神经网络级联可分离卷积网络(TCNN-MobileNet)的调制识别方法。首先通过小波变换对数据进行预处理,将信号作为输入传送到双路卷积神经网络中进行不同维度的特征提取;然后通过融合层进行特征融合并送入轻量级神经网络MobileNetV1中,进行调制识别模型训练;最后通过全连接层进行11种调制识别的分类输出。在公开数据集RML2016.10a上的实验结果表明,在-20dB的低SNR下TCNN-MobileNet的识别准确率可达88.71%,在18dB的高SNR下识别准确率可达96.66%,SNR在-20~18dB范围内时平均识别准确率为88.37%,相比于ResNet18、ResNet34等经典网络架构提升了约35%。TCNN-MobileNet识别方法在保证识别精度不变的情况下能够降低训练参数量以及网络训练时间,有效简化网络架构,降低对硬件设备的要求,对轻量级神经网络在调制识别中的应用具有借鉴意义。
关键词
调制识别
卷积神经网络
小波变换
深度学习
低信噪比
Keywords
modulation recognition
Convolutional Neural Network(CNN)
Wavelet Transform(WT)
deep learning
low Signal-to-Noise Ratio(SNR)
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于WebSocket技术无线频谱大数据实时监测系统设计与实现
高锐
闫光辉
罗浩
严天峰
《兰州交通大学学报》
CAS
2022
6
在线阅读
下载PDF
职称材料
2
低信噪比下基于深度学习TCNN-MobileNet的调制识别
牛瑞婷
严天峰
高锐
王映植
《计算机工程》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
